数据集概述
本数据集围绕高分辨率无人机影像的稻田地块检测展开，基于YOLO-Seg模型结合分块移动技术，包含模型代码、训练数据、检测结果等文件，用于减少大规模影像处理中的边界误差，支持稻田监测相关研究。
文件详解
- 根目录文件：
- README.md：项目说明文档，介绍数据集背景、功能及使用方法
- YOLO_SEG_DETECT_1_regular tiling.py：常规分块检测代码文件（.py格式）
- YOLO_SEG_DETECT_2_tile overlap.py：分块重叠检测代码文件（.py格式）
- YOLO_SEG_DETECT_3_tiling movement.py：分块移动检测代码文件（.py格式）
- best_epoch_100.pt：训练好的模型权重文件（.pt格式）
- 0_Drone Image目录：
- Raw_data_clip.img.xml：无人机影像元数据文件（.xml格式）
- Raw_data_clip.img.aux.xml：影像辅助元数据文件（.xml格式）
- Raw_data_clip.rrd：影像金字塔文件（.rrd格式）
- Raw_data_clip.img：原始无人机影像文件
- 1_Train data目录：
- data.yaml：训练数据配置文件（.yaml格式）
- train/images/：训练影像文件（.jpg格式）
- train/labels/：训练标签文件（.txt格式）
- valid/images/：验证影像文件（.jpg格式）
- valid/labels/：验证标签文件（.txt格式）
- 2_yolo_train_1st_result/epoch_100目录：
- args.yaml：训练参数配置文件（.yaml格式）
- confusion_matrix.png：混淆矩阵可视化结果（.png格式）
- results.csv：训练结果统计文件（.csv格式）
- 3_Detection using regular tiling result目录：
- detected_objects.shp：常规分块检测结果矢量文件（.shp格式）
- Tile/initial_tiling.shp：初始分块矢量文件（.shp格式）
- 4_Detection using tile overlap result目录：
- detected_objects_overlap_30.cpg：重叠率30%的检测结果属性文件（.cpg格式）
- Tile/initial_tiling.shp：重叠分块矢量文件（.shp格式）
- 5_Detection using tiling movement result目录：
- 2_detected_objects.dbf：分块移动检测结果属性文件（.dbf格式）
- 2_tiling.shp：分块移动矢量文件（.shp格式）
适用场景
- 农业遥感监测：基于无人机影像的稻田地块自动化识别与边界提取
- 深度学习模型研究：YOLO-Seg模型在高分影像分割任务中的性能优化
- 影像分块技术应用：分块移动与重叠策略在大规模影像处理中的效果验证
- 精准农业分析：稻田面积统计、生长状态监测等农业生产管理支持
